深度学习时间序列预测:LSTM算法构建时间序列单变量模型预测大气压( air pressure)+代码实战
长短期记忆(Long short-term memory, LSTM)是一种特殊的RNN,主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说,就是相比普通的RNN,LSTM能够在更长的序列中有更好的表现。
LSTM结构(图右)和普通RNN的主要输入输出区别如下所示。
#导入需要的包和库
from __future__ import print_functionimport osimport sysimport pandas as pdimport numpy as np%matplotlib inlinefrom matplotlib import pyplot as pltimport seaborn as snsimport datetime
# 加载数据
#set current working directory# os.chdir(D:/Practical Time Series)#set current working directoryos.chdir(E:\\time series\\Practical-Time-Series-Analysis-code)#Read the dataset into a pandas.DataFrame# df = pd.read_csv(datasets/PRSA_data
深度学习时间序列预测:LSTM算法构建时间序列单变量模型预测大气压( air pressure)+代码实战